学術的背景 人工知能（AI）技術の急速な発展に伴い、Khan AcademyやCourseraなどのインテリジェント教育システム（Intelligent Tutoring Systems, ITS）は、個別化学習において顕著な進展を遂げています。知識追跡（Knowledge Tracing, KT）は、ITSの中核技術として、学生の学習データを分析し、その知識習得状況を推測し、将来の学習パフォーマンスを予測することを目的としています。近年、KT分野では多くの進展がありましたが、既存のモデルは記憶構造のシミュレーションにおいて不十分であり、学生の顕在的な学習と潜在的な記憶変換の間に不一致が生じています。この問題を解決するため、華中師範大学などの研究チームは、記憶フロー制御に基づく三段階の知識追...

高次運動フローを利用した共役視覚表現の継続的学習：CMOSFETモデルの研究 学術的背景 人工知能とコンピュータビジョンの分野において、連続的な視覚データストリームからの継続的学習（Continual Learning）は長年の課題です。従来の機械学習手法は、独立同分布（i.i.d.）の仮定に依存しており、すべての訓練データが訓練時に静的かつ利用可能であることを前提としています。しかし、現実世界の視覚データは連続的で非独立同分布であることが多く、モデルの訓練に大きな困難をもたらします。さらに、既存の教師なし学習手法の多くは大規模なオフライン訓練データセットに依存しており、これは人間や動物が環境を連続的に体験しながら学習する方法とは大きく異なります。 これらの問題を解決するため、Simone ...

インスタンス-ラベルダイナミクスを活用した相互アンカーコントラスト学習による少数ショット関係抽出 学術的背景 自然言語処理（Natural Language Processing, NLP）の分野において、関係抽出（Relation Extraction, RE）は、テキストからエンティティ間の関係を識別し抽出するための基本的なタスクです。しかし、従来の教師あり学習手法は大量のアノテーションデータに依存しており、実際の応用ではアノテーションデータの不足がモデルの性能を大きく制約しています。この課題に対応するため、少数ショット関係抽出（Few-Shot Relation Extraction, FSRE）が登場し、少量のアノテーションデータでモデルを訓練し、限られたサンプルでも正確にエンティテ...

回転不変ニューラルポイントフィールドに基づく効率的な細粒度3Dシーン編集研究 学術的背景 コンピュータビジョンとグラフィックスの分野において、多視点画像から現実のシーンをモデル化し、新たな視点をレンダリングすることは中心的な課題です。ニューラルラジアンスフィールド（Neural Radiance Fields, NeRF）は近年、高品質な新視点合成結果を生成する点で大きな可能性を示しており、メッシュやボクセルなどの従来の明示的な3D表現手法に取って代わる可能性があるとされています。しかし、NeRFはレンダリング品質において優れているものの、シーン編集能力には依然として限界があります。既存の編集可能なNeRF手法は、効率性と細粒度編集能力において明らかな不足があり、これがNeRFの創造的編集や...

サブスペース強化ハイパーグラフニューラルネットワークを用いた不安障害の識別とバイオマーカー検出研究 学術的背景 不安障害（Anxiety Disorders, ADs）は世界的に一般的なメンタルヘルスの問題であり、約7.3%の人口に影響を及ぼしています。不安障害の患者は通常、過度の恐怖、心配、および関連する行動異常を示し、これらの症状は患者の社会的機能と生活の質に深刻な影響を与え、家族や社会に大きな負担をかけます。不安障害は、全般性不安障害（Generalized Anxiety Disorder, GAD）、社交不安障害（Social Anxiety Disorder, SAD）、パニック障害（Panic Disorder, PD）、特定の恐怖症（Specific Phobia, SP）な...

マイクロメカニカル共振器における内部共振メカニズムの研究とその周波数安定化への応用 背景紹介 マイクロメカニカル共振器（micromechanical resonators）は、高周波数、高品質因数、高感度を特徴とする現代の時間計測およびセンシングデバイスにおいて重要な役割を果たしています。しかし、これらの共振器の極めて低い減衰特性は、さまざまな非線形現象を引き起こし、周波数安定性に影響を与える可能性があります。その中でも、ダフィング硬化効果（Duffing hardening effect）は主要な制限要因であり、振幅変化による周波数ドリフト、すなわち振幅-周波数効果（amplitude-frequency effect）を引き起こします。近年、内部共振（internal resonanc...

切り替えファジィシステムに対するセキュア有限時間フィルタ設計研究 学術的背景 現代の制御システムにおいて、切り替えシステム（switched systems）とファジィシステム（fuzzy systems）は、複雑な非線形動的問題を扱う際の有効性から広く注目を集めています。しかし、ネットワーク化システムの普及に伴い、システムはセンサー故障やネットワーク攻撃（スケーリング攻撃、scaling attacks）の脅威に直面しています。センサー故障はシステムの性能低下を引き起こす可能性があり、スケーリング攻撃は伝送データの比率を変更することでシステムの安定性を損ないます。そのため、センサー故障とネットワーク攻撃の両方に対応できる強力なフィルタの設計が重要な研究課題となっています。 本論文は、離散時...

非線形システムの確率応答スペクトル研究：分数次導関数要素の導入と分析方法 学術的背景 工学および物理学の分野では、非線形動的システムが複雑な現象をモデル化するために広く使用されています。しかし、これらのシステムが確率的な励振を受ける場合、その応答を予測することは非常に困難であり、特に分数次導関数（fractional derivative）要素が導入されるとさらに複雑になります。分数次導関数は、記憶効果や遺伝現象をより正確に記述することができますが、その導入は追加的な解析および計算の困難をもたらします。従来の線形システムの解析手法は、非線形システムに直接適用することができません。特に、システムに分数次導関数が含まれる場合、その応答のパワースペクトル密度（PSD, Power Spectral...

背景紹介 分数階微分方程式（Fractional Differential Equations, FDEs）は、伝統的な微積分を拡張したもので、微分と積分の次数を非整数にすることが可能です。この数学的フレームワークは、特にカオスシステムや非線形システムの研究において、複雑な動的挙動を記述する際に独自の優位性を示します。Lyapunov指数（Lyapunov Exponents, LEs）は、システムの初期条件に対する感度を測る重要な指標であり、システムがカオス状態にあるかどうかを判断するためによく使用されます。しかし、分数階カオスシステムのLyapunov指数を計算するのは通常コストが高く、特に高次元システムではその傾向が顕著です。そのため、計算コストを削減し、計算効率を向上させる方法が分数...

学術的背景 工学や材料科学の分野において、ロボットマニピュレータの変位と力を正確に制御することは、特に非線形粘弾性変形を示す物体の力学特性を研究する上で重要です。例えば、繊維、航空宇宙、医療、エネルギー生産などの分野では、テキスタイルの力学特性が設計や性能に重要な影響を与えます。従来の引張/圧縮機械は通常、変形速度を制御することで力を測定しますが、この方法では物体の弾性限界、塑性変形、破断点などの重要な変形点を直接観察することができません。この制限を克服するため、近年ではロボットシステムが位置/変形制御による物体の特性評価に使用されています。しかし、微小な力と変形を扱う場合、産業用ロボットには限界があり、高分解能と高帯域幅を備えた圧電ロボットマニピュレータが理想的な選択肢となっています。ただ...